Profissional sênior responsável por desenhar, desenvolver e operar soluções de Inteligência Artificial ponta a ponta — desde pipelines de dados até deploy de modelos de Machine Learning e LLMs em ambiente container-orientado (Kubernetes/OpenShift). Atuação forte em Python, MLOps, GenAI/RAG e entendimento de domínio de negócio.Conhecimentos necessáriosLinguagem e backendDomínio de Python ou JAVA para construção de APIs, serviços e jobs batch (ex.: FastAPI/Flask, scripts de automação, ETLs).Boas práticas de código (logs, testes, organização de pacotes, virtualenv/poetry/pip, etc.).Infraestrutura, containers e orquestraçãoExperiência com containers: build, otimização de imagens, multi-stage builds.Experiência com Kubernetes / OpenShift (desejável experiência real em produção):Deploy e operação de aplicações (Deployments, CronJobs, ConfigMaps, Secrets, Ingress/Routes).Noções de observabilidade, logs, métricas e troubleshooting em cluster.MLOps / Data & AIExperiência em Machine Learning clássico (treino, avaliação, versionamento de modelos e features).Experiência em LLMs / GenAI em produção (vLLM, KServe, OpenShift AI ou similar).Conhecimento em pipelines de dados e integração com fontes diversas.Experiência com Kafka ou outros sistemas de mensageria/streaming para ingestão de eventos em larga escala.Experiência com Elasticsearch / OpenSearch ou outro mecanismo de busca para indexação, consulta e análise de dados.Arquitetura e integraçãoCapacidade de desenhar arquiteturas de referência para soluções de IA (batch, near real time, APIs síncronas).Integração de serviços de IA com sistemas legados, APIs REST e bancos de dados.Experiência com Git, CI/CD e boas práticas de versionamento e automação de deploy.Domínio de negócioCapacidade de traduzir requisitos de negócio em soluções técnicas de IA com foco em valor e governança.Perfil comportamentalAtuação sênior / hands-on, com autonomia para propor arquitetura, implementar, testar e colocar em produção.Boa comunicação com times de negócio, produto, desenvolvimento e operações.Capacidade de documentação clara (README, FAQs, dicionário de dados, fluxos de arquitetura, etc.).Conhecimentos desejáveisGenAI e LLMs avançadoExperiência com RAG, vector stores e embeddings.Conhecimento em orquestração de LLMs (agentes, ferramentas, chain-of-thought supervisionado, etc.).Experiência com modelos como Llama, Falcon, ou outros LLMs self-hosted.Ferramentas e ecossistemaExperiência com OpenShift AI / KServe / vLLM em ambiente corporativo.Noções de monitoramento de custo e performance de modelos (tokens, latência, throughput).Data Engineering / AnalyticsConhecimento de modelagem de dados, ETL/ELT e boas práticas de qualidade de dados.Experiência em criação de dashboards/relatórios para acompanhar uso de IA, métricas de negócio e indicadores de risco.Segurança e governançaNoções de segurança de dados, LGPD, anonimização e controle de acesso em projetos de governo/setor público.Boas práticas de governança de modelos (auditoria, rastreabilidade, logging de consultas, explainability básica).Detalhes da VagaEsta é uma vaga que inicialmente será presencial em um de nossos clientes, com a possibilidade de negociação de modelo híbrido após 3 meses.